评估云端量子计算机用于引力波数据分析的量子神经网络
宇宙学与河外天体物理
2026-01-21 v1 天体物理仪器与方法
数据分析、统计与概率
摘要
本文探讨了使用由大公司(如IBM、IonQ、IQM Quantum Computers等)提供的云端量子计算机来运行我们开发的用于引力波数据分析的量子神经网络(QNN)，该QNN使用Python中的Qiskit库开发。我们之前的工作表明，我们的QNN比经典神经网络更快地学习引力波(GW)数据中的模式，使其适合用于未来LISA数据流中的快速GW信号检测。分析来自硬件提供商(如IBM Quantum、Amazon Braket和Microsoft Azure)的费用，我们发现运行我们QNN的第一个片段的费用分别为2000美元、60000美元和100万美元。使用免费计划，我们成功在ibm_kyoto和IQM Quantum Computers_Garnet上运行QNN的3量子比特特征图的一个随机数据样本，获得了99%的保真度；我们也能在ibm_kyoto上运行QNN的第一个预测段(实现4量子比特)，并获得了20%的预测准确率。我们查询了IBM Quantum、Amazon Braket、Pasqal和慕尼黑量子 Valley等提供商，以获取其计划的访问权限，但除Amazon Braket外，我们的申请至今未得到回应。我们所能获得的量子计算机的其他主要障碍包括Qiskit库版本问题(如IBM Quantum和IQM Quantum Computers的情况)以及设备频繁不可用的问题(如Microsoft Azure的情况)。本文所呈现的所有结果均累计于2024年。
引用
@article{arxiv.2601.14036,
title = {Evaluating state-of-the-art cloud quantum computers for quantum neural networks in gravitational waves data analysis},
author = {Maria-Catalina Isfan and Laurentiu-Ioan Caramete and Ana Caramete},
journal= {arXiv preprint arXiv:2601.14036},
year = {2026}
}